沿列查找数组模式的最佳方法

Question

假设我有一个数组

a = np.array([[1,2.5,3,4],[1, 2.5, 3,3]])

我想在不使用stats.mode((的情况下找到每列的模式。

我能想到的唯一方法是：

result = np.zeros(a.shape[1])
for i in range(len(result)):
curr_col = a[:,i]
result[i] = curr_col[np.argmax(np.unique(curr_col, return_counts = True))]

更新： 上面的代码中有一些错误，正确的应该是：

values, counts = np.unique(a[:,i], return_counts = True)
result[i] = values[np.argmax(counts)]

我必须使用循环，因为 np.unique 不会为每列输出兼容的结果，并且由于 dtype 不是 int，因此无法使用np.bincount。

Answer 1

如果您查看 numpy.unique 文档，此函数将返回值和关联的计数(因为您指定了return_counts=True(。需要对代码进行轻微修改才能给出正确的结果。您尝试做的是找到与最高计数关联的值：

import numpy as np
a = np.array([[1,5,3,4],[1,5,3,3],[1,5,3,3]])
result = np.zeros(a.shape[1])
for i in range(len(result)):
values, counts = np.unique(a[:,i], return_counts = True)
result[i] = values[np.argmax(counts)]
print(result)

输出：

% python3 script.py
[1. 5. 3. 4.]

下面是将您的解决方案与 scipy.stats.mode 函数进行比较的代码：

import numpy as np
import scipy.stats as sps
import time
a = np.random.randint(1,100,(100,100))
t_start = time.time()
result = np.zeros(a.shape[1])
for i in range(len(result)):
values, counts = np.unique(a[:,i], return_counts = True)
result[i] = values[np.argmax(counts)]
print('Timer 1: ', (time.time()-t_start), 's')
t_start = time.time()
result_2 = sps.mode(a, axis=0).mode
print('Timer 2: ', (time.time()-t_start), 's')
print('Matrices are equal!' if np.allclose(result, result_2) else 'Matrices differ!')

输出：

% python3 script.py
Timer 1:  0.002721071243286133 s
Timer 2:  0.003339052200317383 s
Matrices are equal!

我尝试了几个参数值，您的代码实际上比 scipy.stats.mode 函数更快，因此它可能接近最佳值。